人工知能 - 検索

人工知能の検索は、様々な検索分類の要約問題に取り組むための非常に重要な方法です。

最初は、検索の定義であり、我々は検索の究極の目標を達成するために多くのステップを通過し、問題を解決しなければならない問題を解決するために、あること、これらの手順に方法を見つけることです。

検索はその制限があり、それは既存の知識に依存しなければならない、それは別の方法を学ぶことである問題を解決するための知識、人工知能を学ぶために所有していないか、教訓を学ぶことで新しい知識を作成することができます。

以下は、テキストです

検索（検索）

問題の解決は一連のアクションで、検索プロセスの目標を達成するために、これらのアクションを見つけることです。

異なるデータ構造の場合：

• グラフ検索

• ツリー検索

 

クラシック検索（クラシック検索）

• 何の情報検索は、（無知検索ブラインドは、すなわち、定義された以外の情報を検索していません）

  ノードの順序に従って拡張を区別します

  • 幅（幅優先）、FIFOキューで実装

  • 深さ優先（深さ優先）：開発最も深い拡張されていないノード、LIFOキューで実装

    • 限定検索の深（深度限定）：検索深度制限

    • 反復深化検索（反復深化）：深さ優先および利点の幅優先組み合わせ

  • 探索のコストと一致する最低コスト膨張していないノードを拡張：（uninformコスト）

  • 双方向の検索（双方向）

  コメントはありません情報の検索方法

  • 完全性：常に解が存在しています見つけます

  • 時間複雑

  • 空間的複雑

  • 最適：常に最適解を見つけるかどうか

   

• 情報検索（情報に基づく検索も問題定義の情報を使用して外ヒューリスティック検索として知られている、いない情報検索ソリューションよりも効果的な見つけることができるように）

  • 最良優先探索（最良優先）：評価関数に基づいて最適な拡張ノードを選択し、クラスの大半はまた、ヒューリスティックアルゴリズムを含みます

    • 貪欲検索

    • *検索

検索は、によって特徴付けられる古典的な検索、以上のものです

• 観測可能

• 不確実性

• 知られている環境

検索パスは、問題の解決策である、古典的な経路探索を保持します

しかし、多くの問題で、ゴールへのパスが問題なので、古典を越えた検索があるでしょうしません。

 

そこパス - >ノーパス

古典的な検索を越えて（ビヨンドクラシック検索）

これは、ローカル検索と群れ知能に分かれています

• ローカル検索（ローカル検索）

  パスを気にしない、パスが検索した後に保持されていない、利点があります

  1.小さなメモリ

  2.大規模または無限の空間で、合理的な解決策を見つけることができます

  • 山登り法（山登り）：反復アルゴリズム、その連続的な最適化の開始時にランダムに選択された溶液

    • ランダム山登り法（確率的山登り）：上方への移動時にランダムに選択され、遅い収束

    • 好ましいクライミング方法（第一選択の山登り）：ランダムに生成された後続ノード、良好まで

    • 完全性の高い、1に近い：ランダム法（ランダム再始動山登り）を山登り再始動しました

  • ローカルビームサーチ（ローカルビームサーチ）

    • 確率的ビームサーチ（確率論的ビームサーチ）

  • タブーサーチ（タブーサーチ）

    3つの戦略

    • ポリシー（禁止戦略を）禁止

    • リリース戦略（解放戦略）

    • 短期戦略（短期戦略）

  • シミュレーテッドアニーリング（焼きなまし）：大規模な探索空間でのグローバル最適解発見的要素の近似

  • 遺伝的アルゴリズム（遺伝的アルゴリズム）：自然淘汰ヒューリスティックプロセスの模倣の種類

• 群知能（群知能）

  協力して、エージェントの多数によって実装、それが分散環境では、自己組織化、配布されています。

  • アントコロニー最適化（コロニー最適化）：揚げ物を見つけるために、蟻のコロニーの行動に触発され、地図上の最適なパスを見つけるための

  • PSO （粒子群最適）：魚や鳥、社会的行動グループ振る舞い触発によって、

   

   

  単剤 - >マルチエージェント

検索（敵対検索）に対する

私たちは他のエージェントの計画を行うと、エージェントがまた企画をやっている可能性があります

単剤よりも多くのために、しかし、マルチエージェントの検索に対して検索します

• ゲーム（ゲーム）

• ゼロ和（ゼロ和ゲーム）：エージェントの間の完全な反対

• ゼロ和（非ゼロ和）：エージェントが自律的との間にあります

• 完全な情報（パーフェクト情報）/不完全な情報（不完全な情報）

• 確定（決定）/ランダム（確率）

  • 剪定（アルファベータ剪定）

    ゲーム木の大きさは、剪定により、指数関数的に増加する傾向がある、木は、検索時間を短縮するためにゲームを減らすことができます

  • ヒューリスティック評価関数（ヒューリスティック評価関数）

    プルーニングによりゲーム木の大部分を除去することは可能ですが、ゲームは評価関数の期待に指定された場所で計算されるので、検索の深さは、深いまだですが、

  • ランダムゲーム（確率的ゲーム）

    ダイナミックなゲームの種類変換の一定の確率

  • モンテカルロ法（モンテカルロ法）

    数値結果を得るために繰り返し無作為標本と

  • モンテカルロ探索木（MCTSモンテカルロ木探索）

    ゲーム木探索と組み合わせたモンテカルロシミュレーション

 

制約充足問題（制約充足問題）

状態は、制約オブジェクトの数を満たす必要があります。

GSP状況要因によって表される不可分の標準の検索状態は、一連の変数です。

GSPの問題は、多くの場合、非常に複雑です

カテゴリ

• リミテッド/アンリミテッド

• 離散/連続

  制約

• リニア/ノンリニア

• 1元/元

• バックトラックサーチ（バックトラック検索）